结合语音增强的基音检测改进方法

针对低信噪比情况下,语音信号传统的基音检测方法鲁棒性较差的问题,提出一种结合语音增强的基音检测改进方法。通过基于听觉掩蔽的多频带谱减法减小带噪语音信号背景噪声,得到较干净的语音;将增强后的语音作为基音检测的待处理语音,利用能零积和能零比的多门限法对其进行清浊音判决;在平均幅度差函数（AMDF）加权自相关函数（ACF）的基础方法上进行改进,实现精确的基音检测。理论与仿真结果表明,在信噪比为－10dB时,该方法依然能够精确检测基音周期,鲁棒性明显提高。     

改进的基音周期检测算法研究

针对传统的短时平均幅度差函数（AMDF）法由于出现均值下降趋势,谷点并非全局最低谷点而导致基音周期提取中的倍频和半频错误出现的情况,提出一种改进算法。将传统的AMDF经过经验模式分解（EMD）处理后去掉趋势项重组新的EMDAMDF,再利用短时自相关函数（ACF）对其进行加权,构造新的EMDAMDF/ACF加权平方特征检测该语音帧的基音。仿真结果表明,该方法有效地加强了AMDF的谷值特性提高了基音周期检测的准确率。     

改进的MELP低速率语音编码器

在混合激励线性预测（MELP）语音编码算法中,语音帧的突变转换导致合成语音质量的下降成为一个突出问题。为解决该问题,提出一种基于过渡帧判决算法的改进MELP模型,提高了参数估计的准确度,有效实现了语音的降噪处理。引入动态清浊音判决（U/V判决）门限将语音帧分为3种类型：浊音帧、清音帧、过渡帧,通过区分过渡帧和清浊音帧,避免了传统的U/V判决错误和清浊音帧的突变转换。给出了改进MELP编码参数比特分配表,通过PESQ—MOS测试表明,合成语音质量尤其是高频女声合成语音质量有了明显的改进。     

改进的基音检测算法

提出了一种改进的基音检测算法。利用LMS自适应滤波器对带噪语音信号进行语音增强,再求语音信号的自相关函数（ACF）和平均幅度差函数（AMDF）,对ACF峰值和AMDF谷值进行分析,提取改进的ACF/AMDF加权平方特征进行基音检测。实验结果表明,改进算法的检测效果明显优于传统方法,在低信噪比环境下,鲁棒性较好,提高了检测精度。     

基于线性预测的综合基音检测法

由于传统基音检测方法在信噪比较低时对弱浊音和清浊音过渡帧的检测效果较差,提出了一种综合的基音检测法.该方法利用线性预测分析和低通滤波器对含噪语音进行预处理,再采用改进的平均幅度差函数加权自相关函数的方法对浊音帧进行基音检测,对于清浊音过渡帧,则利用小波变换进行基音检测.实验结果表明,该法提高了检测精度,即使信噪比降至-5dB,仍能较准确地检测大部分弱浊音和清浊音过渡帧的基音周期,准确性和鲁棒性较好.     

基于LV-AMDF的自适应基音检测算法研究

根据语音信号的基音周期范围有限和周期相对稳定的特点,改进了可变长平均幅度差函数法(LV AMDF),提出一种自适应幅度差法检测基音周期。它在语音非稳定段通过简单的谷值点评选机制,筛选当前谷值点以及历史谷值点,得到较精确的基音周期;在语音稳定段依据历史谷值点缩短语音段的比较范围,减少计算代价。还改进了浊音起止点检测算法,使浊音起止点的定位更精确。实验证明,该方法在不同的信噪比环境下有效地降低了半周期和倍周期点的发生率。     

基于音频波形极值的基音检测方法

提出了一种基于波形极值的短时基音检测算法。在对语音数据进行预处理、清浊音判断后,提取语音波形极值,进行波形修正,计算幅度差,采用一定的基音判断准则查找基音。该算法无需对音频数据做分窗处理,且主要运算是对波形极值进行处理,比常用的AMDF有着更小的计算量,且有较高的精度。实验结果表明,利用该方法能够很好地得到基音周期,适宜进行实时处理。     

基于线性预测残差倒谱的基音周期检测

提出一种基于线性预测残差倒谱的基音周期检测算法.该算法对语音信号的线性预测残差信号做倒谱变换,将其作为基音检测特征.并综合残差倒谱峰、短时能量和短时过零率三种特征,构造一个清浊音判决函数,简化清浊音判决过程,提高判决精度.在基音周期检测过程中,根据基音连续原则,提出峰值重定位方法,有效降低基音倍频和半频的错误率.对比实验表明,本文算法的性能不仅较之传统的倒谱方法有明显改善,同时也优于目前效果较好的YIN算法和多尺度小波算法.     

基于线性预测技术的语音基音检测

针对语音基音检测易受加性背景噪声和共振峰干扰的问题,提出了一种基于线性预测技术的语音信号基音检测算法。该算法在维纳滤波基础上,利用线性预测(LPC)技术得到预测残差信号,再对其做自相关(ACF)和平均幅度差(AMDF),得到基音的检测结果。其检测效果比单一自相关函数法和平均幅度差函数法有明显的改善。     

基于自相关的语音基音周期检测方法研究

用基音周期检测算法从浊音语音信号中提取基音周期,有益于语音合成、语音编码及语音识别等语音信号处理工作。通过对具体语音时域信号分帧、求短时自相关函数,可得到浊音语音的基音周期,实现基音周期的检测。     

加权短时自相关函数的基音周期估计算法

语音基音频率的准确检测是语音信号处理的难点之一。提出一种加权短时自相关函数(Autocorrelation Function,ACF)算法提取基音频率。在传统的ACF方法基础上,利用短时平均幅度差函数(Average Magnitude Difference Function,AMDF)的平方对ACF函数进行加权,由此加强短时自相关函数在基音周期倍数处的峰值特性。对提取出的基频曲线做平滑处理。实验结果表明,该方法提高了基音周期检测的准确率。     

哼唱检索中一种新颖的基音周期提取算法

在哼唱检索（QBH）研究中,针对乐曲旋律表达方式以及有效的检索匹配算法已有一定的研究成果,但提取哼唱音频信息基音周期的算法研究还不充分。正确提取基音周期,降低哼唱信号基音周期提取过程中引入的误差,是有效提高整个检索性能的关键所在。在充分分析已有的基音周期提取方法基础上,提出了一种短时自相关（ACF）与短时平均幅度差（AMDF）函数相结合的CAA算法,仿真实验证明了新方法的有效性,相对于传统时域算法提取基音周期,准确度有显著提高。     

基于线性预测编码与AMDF的高精度基音检测算法

根据语音信号产生原理,结合线性预测编码(LPC)与平均幅度差函数法(AMDF),提出了一种高精度的基音检测算法。该算法首先利用线性预测分析提取残差信号;然后采用累积平均归一化差分函数与差分信号修正,使基音周期的谷值点更加尖锐;最后利用二次函数拟合与基音周期的倍数检查筛选候选值,得到了准确的基音周期。实验结果表明,与传统方法相比, 该算法的基音检测效果有了明显改善,减少了基音检测中的半频错误,在高信噪比下具有良好的准确性和鲁棒性。     

幅值补偿的AMDF基音周期检测算法

传统的基于AMDF及其改进算法LV-AMDF容易导致检测基音周期时产生加倍、减半等错误。针对该现象,分析了AMDF、LV-AMDF函数的特性及其用于基音检测时存在的不足,提出了幅值补偿AMDF算法来检测基音周期,降低了基音检测中经常出现的半频、倍频错误,提高了检测的精度。实验表明该方法基音检测性能优于AMDF和LV-AMDF的方法。     

基于前置滤波和小波变换的带噪语音基音周期检测方法

根据语音信号的基音周期范围有限和在声门闭合时刻语音信号出现锐变的特点,提出一种基于前置滤波和小波变换的基音周期检测方法。带噪语音信号经过3阶椭圆低通滤波器滤波后,采用以二次样条小波作为小波函数,进行一级小波变换检测语音信号的锐变点,再计算基音周期。实验表明,本文提出的基音周期检测方法,与平均幅度差函数(AMDF)和自相关函数(ACF)方法相比,提高了提取基音周期的准确率;与多尺度小波变换的基音周期检测方法相比,减小了计算量,削弱了噪声信号和语音的共振峰对基音周期检测的影响。     

一种综合的基音提取方法

本文提出了一种综合的基音提取算法，综合运用了平均幅度差法、自相关函数法和简单逆滤波器跟踪法等多种算法对候选的基音频率点进行打分，最后再用动态搜索的算法找出一条全局最优路径。从而避免了单一方法的局限性，取得了很好的性能。     

基于小波变换和平均周期的鲁棒性基音周期检测方法

提出了一种基于小波变换和平均周期的鲁棒性基音周期检测方法（MPRE）。检测前加入小波变换预处理，以平滑信号中的细节分量，检测采用最小预测能量差和基于子帧划分的基音平均周期检测方法。该方法可以克服很氏我基音检测方法中阈值难以确定的问题，并对噪声有效强的鲁棒性。